度量学习交流

感谢度量COP&质量部&项目领导们给予这次机会参加公司度量COP为期三天的学习交流。来之前对本次活动的期望是：能在这三天中增长见识，学习度量相关知识，看看业界、公司内部其他地区是怎么做的，与大家建立一些链接。分享这三天的一些小感触：

第一天：丛斌老师敏捷和大数据时代的度量，丛斌老师在敏捷、精益、CMMI这三块都有非常深的理解、融汇贯通这三方面的知识、结合案例进行分享。让我印象深刻的关键词：场景、价值、SPC、统计、概率，价值驱动改进、度量支持做决策。

1、把改进（质量）当成产品来做，为谁（用户）解决什么痛点，关注使用场景、价值，如何做优先排序，需要考虑成本，怎么判断收益（结果），如何申请资源…

2、度量分析涉及：SPC与度量系统结合，通过数据对产品质量或改进效果做判断；四象图、九宫图的应用，使用场景。

3、三个致命的软件度量问题：替代度量指标而非真正经济度量指标，不可操作的度量项（可操作定义，场景定义清楚），错误的度量展示（可视化）。我的理解就是在度量指标选择上我们本能因为哪个指标好做就做哪个，而是要根据实际的应用场景找到对我们带来直接经济效益的指标进行度量，并且合理的展示（不同的图表含义不同，使用的场景也不同）。我的理解就是在度量指标选择上我们本能因为哪个指标好做就做哪个，而是要根据实际的应用场景找到对我们带来直接经济效益的指标进行度量，并且合理的展示。

4、过程管理和过程改进提到的重要一点：习惯，改进过程中强调：说到做到（自律），持续改进，透明、可视化。我们的改进始终是为了解决什么问题，而不是为了改进而改进。改进也需要创新，让复杂的事情简单化。

5、SPC：分析过去，控制现在，预测将来

6、质量债务管理-天网模型：通过对故障分析、分类处理建立一套天网模型，对不同类型问题有不同解决方案，智能运维、智能做大数据分析找到问题解决问题完善模型，期待能了解具体是怎么做的。感觉我们也可借鉴建立我们的质量网。

第二天：袁春老师讲的大数据统计、分析、挖掘，机器学习相关内容，涉及到大量数学模型、策略、算法等事项，有的模型我们其实在做度量的时候可以参考的，个人觉得自己以前的数学白学了。

第三天：公司、研究院各地度量分享，看到大家是怎么来做这件事的，他们是怎么考虑问题的，有哪些方法思路可以借鉴的，哪些是需要我们考虑的避免给后续流程填麻烦的。也让我反思项目度量的边界在哪？我们的核心价值是什么？我们的能力底线在哪？我们怎么有效运作？如何与相关方资源协作？

总得来说这次学习交流让让我感受到：1、数学真是太重要了（模型、策略、算法），一切问题都可以用数学来建模解决，感觉我以前学了假数学。2、让我发现了一些新的方向，12年有人告诉我的时候我心里在想这是什么鬼，去年又有人告诉我的时候我觉得听起来很好但是跟我好像不相关，但是经过今年做的事情及这次学习交流让我觉得完全就跟我现在做的吻合起来并且可以持续发展。

感恩领导们给予这次机会，听大咖们讲座学习了解新东西，了解公司大拿们在度量方面是怎么做怎么想的，大家想要去做好一件事情的热情和面对的困难，感受到了自己的差距、视角上的差异，同时觉察到自己在一个陌生、不熟悉环境怕说错话做错事的小担心和小恐惧，上台分享时内心翻腾和小紧张，还好大家都很包容和鼓励。

PS：今天波总、GGJ的话再次让我感动，真是没想到波总这么肯定我的付出，哈哈哈，原来我们都喜欢被看见。

图片发自App